通过人工智能刺激拉曼组织学解释,为未经处理的前列腺活检提供近实时的病理反
M P Mannas1,2,3, F M Deng4, A Ion-Margineanu5
1Department of Urologic Sciences, University of British Columbia, Vancouver, British Columbia, Canada.
The Journal of urology
|December 15, 2023
概括
人工智能 (AI) 可以实时解释前列腺活检的刺激拉曼组织学 (SRH) 图像. 这种人工智能系统在检测前列腺癌方面实现了96.5%的准确性,大大加快了诊断速度.
科学领域:
- 数字病理学数字病理学
- 医学中的人工智能
- 光学成像技术是指光学成像技术.
背景情况:
- 刺激拉曼组织学 (SRH) 为未经处理的组织提供实时,高分辨率的成像.
- SRH显著减少了前列腺活检解释所需的时间.
- 人工智能有可能进一步简化病理学分析.
研究的目的:
- 评估AI卷积神经网络解释前列腺活检SRH图像的能力.
- 评估AI在使用SRH检测前列腺癌的诊断性能.
主要方法:
- 使用SRH进行未经处理的前列腺活检的前性成像.
- 由生殖尿路病理学家在常规处理的核心上建立的基本真理.
- 人工智能网络接受了303次活检的培训,并在一组独立的113次活检上进行了验证.
主要成果:
- SRH图像生成时间:2-2.75分钟.
- 人工智能分类时间:大约1分钟.
- 人工智能显示96.5%的准确性,96.3%的灵敏度和96.6%的特异性用于前列腺癌检测.
结论:
- SRH能够实时,准确地识别前列腺癌,而不需要组织处理.
- 人工智能对SRH图像的解释提供了近乎实时的病理反.
- 这项技术可以帮助医生诊断和治疗前列腺癌.
